FlagEvalMM是北京智源人工智能研究院开源的多模态模型评测框架，能全面评估处理文本、图像、视频等多种模态的模型，支持多种任务和指标。框架采用评测与模型推理解耦的设计，统一视觉语言模型、文生图、文生视频和图文检索等多种模型的评测流程，提升评测效率，便于快速适配新任务和模型。
FlagEvalMM的主要功能多模态模型支持：支持评估多种类型的多模态模型，包括视觉问答(VQA)、图像检索、文本到图像生成等。全面的基准测试和指标：支持新的和常用的基准测试和评估指标，全面衡量模型性能。模型库集成：提供模型库(model_zoo)，支持多种流行多模态模型的推理，如QWenVL和LLaVA，并与基于API的模型如GPT、Claude、HuanYuan等集成。多后端支持：支持多种后端引擎进行推理，如VLLM、SGLang等，适应不同的模型和需求。FlagEvalMM的技术原理评测与模型推理解耦：FlagEvalMM将评测逻辑与模型推理逻辑分离，让评测框架独立于模型更新，提高框架的灵活性和可维护性。统一的评测架构：基于统一的架构处理不同类型的多模态模型评测，减少重复代码，提高代码的复用性。插件化设计：框架采用插件化设计，支持用户添加新的插件扩展支持的模型、任务和评估指标。后端引擎适配：框架支持多种后端引擎，基于适配层处理不同后端引擎的接口差异，让用户在不同的引擎之间无缝切换。FlagEvalMM的项目地址GitHub仓库：https://github.com/flageval-baai/FlagEvalMMFlagEvalMM的应用场景学术研究：研究人员评估和比较不同多模态模型在视觉问答、图像检索等任务上的性能，发表学术论文。工业应用：企业测试和优化自家的多模态产品，比如智能客服系统，提升用户体验。模型开发：开发者在开发新的多模态模型时，进行模型评估，确保模型在实际应用中的表现符合预期。教育领域：教育机构评估教学辅助系统中的多模态交互模型，提高教学效果。内容创作：内容创作者评估和选择适合生成图文内容的模型，提高内容创作的效率和质量。 
